IT жобаларының құнын дәл бағалау бағдарламалық қамтамасыз етуді әзірлеуді жоспарлау, бюджеттеу және тәуекелдерді басқару үшін өте маңызды. Дәстүрлі шығындарды бағалау әдістері, мысалы сарапшылардың пікірі, параметрлік модельдер және тарихи ұқсастықтар, әсіресе жылдам технологиялық өзгерістер мен тарихи деректердің аздығы жағдайында, сенімді қорытындылар бере бермейді. Бұл зерттеуде IT жобаларының құнын бағалаудың дәлдігі мен сенімділігін арттыруға бағытталған машинамен оқытуға негізделген модельдің жасалуы сипатталған. Ұсынылған тәсіл нақты және синтетикалық түрде жасалған жобалық деректерді қамтитын деректер жиынтығында оқытылған Random Forest және Gradient Boosting сияқты жетілдірілген машинамен оқыту алгоритмдерін пайдаланады. Болжам жасау үшін жобаның өлшемі (LOC), команда көлемі, әзірлеу ұзақтығы, жобаның күрделілігі және әзірлеу әдіснамасы сияқты негізгі жобалық айнымалылар пайдаланылады. Деректердің жеткіліксіздігі мәселесін шешу және оқыту деректер жиынтығын кеңейту үшін синтетикалық деректерді генерациялау әдістері қолданылады, бұл ықтимал жобалық сценарийлерді кеңінен қамтуға мүмкіндік береді. Машинамен оқыту модельдері дәстүрлі әдістермен салыстырғанда болжам дәлдігі бойынша артықшылыққа ие, орташа абсолюттік қателікті (MAE) төмендетіп және детерминация коэффициентін (R²) арттырады. Ерекшеліктердің маңыздылығын талдау жобалардың құнына әсер ететін ең маңызды факторларды анықтап, жобаларды басқарушылар мен шешім қабылдаушылар үшін маңызды ақпарат береді. Бұл зерттеу IT жобаларын басқарудағы интеллектуалды шешімдерді қолдау жүйелерін дамытуға үлес қосып, тарихи деректер аз немесе жеткіліксіз жағдайларда шығындарды болжау процестерін жақсартуда машинамен оқытудың әлеуетін көрсетеді.